在第 3 章和第 4 章之间

Workshop

你学到的一切,就在一次对话之外。

别再一次就交差。

到这里为止你有了一套工具:积木、苏格拉底式方法、上下文工程、系统 prompt、tokens。

实际上,好的结果几乎从来不是从单个 prompt 来的。最能从 AI 里榨出东西的人把它当成合作者来用。你分享一个目标,模型先出一招,你反驳,它重写,你加上下文,它再来一次。经过四五个回合,答案开始落地。

Prompting 是一场对话。

在对话里,你学到的每种技巧都变成你可以使出的一步招式:

用五块积木开场:角色、任务、格式、限制、示例。 (第1)

目标模糊的时候,让 AI 在动手之前先访问你。这就是苏格拉底招式。 (第2)

筹码大的时候,认真打包上下文,并且对"要留下什么"和"要拿掉什么"同样用力地去想。 (第3)

遇到需要推理的问题,让模型一步一步想。 (稍后会说更多)

初稿不对的时候,迭代。没人能一次到位,包括专业人士。

所有这些招式做的是同一件事:帮你布置一场 AI 真正能派上用场的对话。

再多一步招式

有个著名的 prompting 小技巧叫 chain of thought。你在 prompt 里加上"一步一步想",模型在难题上的准确率就会有一个明显的跃升。模型并没有变聪明,它只是现在有了草稿纸,并且在用它。

这个小技巧好用到研究人员把它自动化了。你大概听过的那些推理模型(Claude 的 Extended Thinking、OpenAI 的 o 系列、DeepSeek R1),本质上就是直接把 chain of thought 内建到模型里。它们在回答之前会一步一步想,不用你开口。

这引出一个好问题。如果模型已经会自己推理了,那人类还能带来什么?

对话。Chain of thought 证明了更多思考能带来更好的答案。同样的规则在更高一层也成立:更多的来回,会带来更好的答案。一个人自己推理的模型是有用的。一个与你一起推理的模型,通常才是真正高质量产出的来源。

下面的 workshop 就是练这个的地方。

轮到你了

在左边挑一个食谱,打开你想用的招式,和 AI 一来一回地磨,直到结果让你满意。